Dropout3d

class torch.nn.Dropout3d(p=0.5, inplace=False) [source]

Случайно обнуляет целые каналы (канал — это 3D карта признаков, например, $j$-й канал $i$-й выборки в пакетном входе — это 3D тензор $\text{input}[i, j]$). Каждый канал независимо обнуляется на каждом вызове вперёд с вероятностью p, используя выборки из распределения Бернулли.

Обычно вход поступает из модулей nn.Conv3d.

Как описано в статье Efficient Object Localization Using Convolutional Networks, если смежные пиксели внутри карт признаков сильно коррелированы (как обычно бывает в ранних слоях свёрток), то независимое дропаут не будет регуляризировать активации и в противном случае просто приведёт к уменьшению эффективной скорости обучения.

В этом случае, nn.Dropout3d() поможет повысить независимость между картами признаков и должен использоваться вместо него.

Параметры:

• p (float, опционально) – вероятность обнуления элемента.
• inplace (bool, опционально) – Если установлено в True, выполнит операцию на месте.

Форма:

• Вход: $(N, C, D, H, W)$ или $(C, D, H, W)$.
• Выход: $(N, C, D, H, W)$ или $(C, D, H, W)$ (такая же форма, как у входа).

Примеры:

>>> m = nn.Dropout3d(p=0.2)
>>> input = torch.randn(20, 16, 4, 32, 32)
>>> output = m(input)